UNIDAD 3 ESTADÍSTICA DESCRIPTIVA

UNIDAD 3
ESTADÍSTICA DESCRIPTIVA
OBJETIVO
El estudiante será capaz de recopilar, presentar, describir, analizar y elaborar
gráficos e interpretar compilaciones de datos, asimismo podrá presentar
conclusiones sobre uno o dos elementos de información que caractericen la
totalidad de éstos, con el fin de identificar la medida en que los datos se
agrupan o dispersan en torno a un valor central.
TEMARIO
3.1 EXPERIMENTACIÓN
3.2 CONCEPTOS
3.3 PRESENTACIÓN DE DATOS
3.4 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS NO AGRUPADOS
3.5 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS AGRUPADOS
84
MAPA CONCEPTUAL


Varianza
Desviación
estándar
Coeficiente
de variación

Compilación
de datos
son
Medidas de
tendencia
central
se mide
mediante



Moda
Media
Mediana
son
Medidas de
dispersión
mediante
Censos o
muestreo
permite
Estadística
descriptiva
requiere
Definiciones
preliminares
la información se
representa con
Gráfico
y
tablas
85
INTRODUCCIÓN
Resulta importante conocer la estadística descriptiva sin importar la profesión
que se haya elegido, ya que es una herramienta que permite mostrar a los
estudiantes o profesionistas cómo organizar y resumir datos.
La ordenación y la recopilación de datos puede presentar variabilidad o
incertidumbre para los estudios encomendados y el solo hecho de conocerlos
permite en su momento hacer correcciones ante alguna anomalía, de ahí la
importancia de realizar los cálculos de las medidas de tendencia central o
dispersión.
Un gran apoyo para la estadística descriptiva es la presentación de los
datos por medio de tablas o de gráficas, simplemente porque sintetizan un gran
acervo de información y es más sencillo valorar todos los datos de un fenómeno
en general con ellas.
86
3.1 EXPERIMENTACIÓN
Para lograr entender la experimentación en estadística, sobre todo dentro de la
descriptiva, es importante mencionar que la probabilidad es la base del estudio
de la estadística ya que se interesa por estudiar las muestras de la población.
Para Wayne W. Daniel, estadística4 es “la recopilación, organización, y
resumen de los datos y la obtención de inferencias acerca del conjunto de datos
cuando se observa una parte de ello”; de acuerdo con lo anterior, se puede
decir que la estadística es la presentación de los datos pero que parte desde su
obtención, recolección e interpretación y la toma de decisiones para la
población de acuerdo con el resultado obtenido por la muestra trabajada.
La estadística se divide en dos áreas de estudio, la estadística
descriptiva, que se estudia en este apartado, y la inferencial que se estudiará en
la siguiente unidad y será definida posteriormente. La descriptiva estudia la
parte de la ordenación y la presentación de datos de manera sencilla, por lo
tanto, describe las variables con las que se trabaja y para este caso son las del
tipo aleatorio, las cuales ya fueron explicadas en la primera unidad.
En estadística existen dos tipos de estudio para la casualidad: el
experimental y el observacional; en el caso del primero se puede medir el
estudio, por tanto hay manipulación en el experimento y en el segundo caso, no
existe manipulación en la experimentación.
La experimentación depende del grado de conocimiento que se tiene,
gracias
a
la
información
obtenida
en
estadística.
Los
métodos
de
experimentación que se emplean son el diagrama de árbol y los principios
básicos de conteo, estudiados anteriormente.
En algunas ocasiones, el conteo de los elementos de forma individual se
puede realizar con apoyo del diagrama de árbol (éste es la representación
gráfica de las posibilidades de un evento). El diagrama de árbol se realiza
partiendo de una rama que contiene cada una de las posibilidades, y cabe la
posibilidad de crear nuevas ramas.
4
Daniel Wayne W., Bioestadística, 3a. ed., Limusa, 1993, p. 18.
87
Ejemplo: suponga que una agencia de viajes ofrece dos destinos
turísticos, uno con playa y otro sin playa, y en cada uno de estos destinos se
ofrece la trasportación, área o terrestre; entonces el diagrama de árbol se
representa de la siguiente manera:
Avión
Centro turístico
playa
Camión
Inicio
Avión
Centro turístico
no playa
Camión
ACTIVIDAD DE APRENDIZAJE
Realizar el diagrama de árbol en los siguientes ejercicios:
a) En un restaurante se ofrece un desayuno en tres tiempos, el primer tiempo
es jugo o fruta, el segundo tiempo es huevo, molletes o chilaquiles y el tercer
tiempo es crepa o helado. Representar el diagrama de árbol respectivo.
b) En la rifa de fin de año de una empresa, se sortean 2 regalos, una televisión
y un
DVD,
y los departamentos que entran a la rifa son Contabilidad, con 3
trabadores; Ventas, con 6 trabajadores; Compras, con 2 trabajadores, y
Finanzas, con 4 trabajadores. Representar el diagrama de árbol respectivo.
3.2 CONCEPTOS
Para poder entender la representación de los datos y su cálculo, es necesario
esclarecer algunos conceptos.
La población es el conjunto de personas, animales o cosas que tienen
una característica en común y que son susceptibles de medirse; pero sucede
88
que existen poblaciones que suelen ser muy grandes y es complicado trabajar
con ellas, primero porque implica tener costos elevados y segundo, se requiere
una mayor inversión en tiempo para el estudio, o bien es más difícil la
observación de los elementos estudiados, es por esta razón que se requiere
trabajar con la muestra, la cual es un subconjunto de la población que se
estudia.
Lo que se estudia en cada muestra son las variables, las cuales son de
dos tipos: cualitativas y cuantitativas. Las primeras representan las cualidades
de los datos y se clasifican por medio de categorías, por ejemplo, si realizamos
un estudio de adiestramiento canino, una variable de tipo cualitativo puede ser
la raza del perro. Las variables de tipo cuantitativo son medibles, y se
representan de forma numérica, por ejemplo el número de perros que participa
en el estudio.
En estadística se trabaja con variables, cuando éstas son cuantificadas
dentro de una población, reciben el nombre de parámetros, y cuando es dentro
una muestra, reciben el nombre de estimadores.
Existen diferentes tipos de poblaciones y muestras. La población en
estadística puede ser finita o infinita, la primera es la que tiene una cantidad
exacta, es decir, una cifra limitada y por tanto los elementos se pueden
numerar; la segunda es incuantificable, es decir, no tiene fin y no sabemos
exactamente cuántos elementos contiene, por ejemplo, el pelo de un gato o la
arena del mar.
El muestreo puede ser de tipo probabilístico y no probabilístico. El
primero, hace mención a su nombre, es cuando todos los elementos de la
población tienen la misma probabilidad de pertenecer a la muestra; en el
segundo, el investigador selecciona los elementos de la muestra de acuerdo
con sus criterios.
El muestreo probabilístico puede ser, a su vez, estratificado, simple o de
conglomerados. El muestreo estratificado se divide por estratos homogéneos de
la población de acuerdo con las mismas características. El muestreo simple
consiste en elaborar una lista de la población y mediante números aleatorios se
89
selecciona cada uno de los elementos de la muestra. Finalmente, el muestreo
por conglomerados consiste en elaborar subgrupos homogéneos de elementos
de grupos ya existentes o previamente definidos.
El muestreo no probabilístico puede ser por juicios, donde la muestra es
elegida por el experto con los elementos más representativos y usualmente se
emplea para muestras de tamaño pequeño.
ACTIVIDAD DE APRENDIZAJE
Elaborar un cuadro comparativo de los diferentes tipos de muestreo que incluya
tres ejemplos de cada uno.
3.3 PRESENTACIÓN DE DATOS
En estadística descriptiva se trabaja en la obtención, la ordenación y la
presentación de datos, buscando que la información sea confiable y se exprese
de manera simple y sencilla.
Los datos se pueden presentar por medio de cuadros numéricos o
gráficos.
La presentación de datos por cuadros numéricos de la información, a su
vez, se hace por representación tabular. Es decir, es presentada en filas y
columnas, con título (que es el objeto del cuadro), columna principal, lugar
donde se anotan categorías, encabezado de las columnas, explicación del
objeto de las columnas, cuerpo donde se anota la información y notas de pie en
las que se aclara la información.
Ejemplo: una consultoría que se dedica a realizar estimadores, calculó la
siguiente información de la Encuesta Nacional de Empleo: el número de
personas pertenecientes a la licenciatura concluida en Economía, en hombres
es de 49,755 y en mujeres 16,568; la población económicamente activa en
hombres es de 43,874 y en mujeres 15,959 y, finalmente, la población no
económicamente activa en hombres es de 5,881 y en mujeres 609, lo cual
90
resulta en un total de 66,323; 59,833 y 6,490, respectivamente; lo anterior se
representa de la siguiente manera:
Población con licenciatura concluida en Economía, según condición
de actividad y sexo
Sexo / Condición
Población con
Población
Población no
de actividad
licenciatura
económicamente
económicamente
concluida
activa
activa
(1)
(2)
(3)
Personas
Personas
Personas
Hombres
49,755
43,874
5,881
Mujeres
16,568
15,959
609
Total
66,323
59,833
6,490
Elaboración propia.
La representación gráfica, es la otra alternativa para presentar los datos.
Un gráfico en general debe contener el título, claro y completamente definido,
además las unidades en que se expresa la medición, información suficiente que
permita cotejar la validez de los argumentos y la fuente de la información.
Los principios básicos de un gráfico son simplicidad, fidelidad, ayuda y
respuesta del objetivo planteado.
Las reglas de los gráficos incluyen la participación de la población en
cada una de las observaciones y la ordenación de éstas.
Existen gráficos que facilitan la representación de los datos dependiendo
de las variables de estudio. Para las variables cualitativas son representativas
las de pastel, barras simples, barras múltiples, barras compuestas; para las
cuantitativas, funcionan muy bien histogramas, polígonos de frecuencia, ojivas y
diagramas de caja y bigote.
a) Gráfica de pastel. Representa las frecuencias relativas (la frecuencia
relativa es un determinado valor con respecto al número total de
datos) o porcentuales. Dibujar la gráfica de pastel es sencillo,
solamente se traza un círculo y se divide según el número de
91
frecuencias, lo ideal es representar menos de siete datos en este tipo
de gráficos.
Ejemplo:
una
consultoría
calculó
que
la
población
económicamente activa de estudiantes egresados de la carrera de
economía es de 86% y la población no económicamente activa es de
14%:
Población Económicamente Activa (PEA) y Población No
Económicamente Activa (PNEA) con licenciatura concluida
en Economía
66,323
86%
Elaboración propia
11,172
PEA
14%
PNEA
5
b) Gráfica de barras. Representa datos del tipo cualitativos que se han
resumido en una distribución de frecuencias; en el eje horizontal se
expresan los indicadores o nombres de cada clase y en el eje vertical
la escala de frecuencia.
Ejemplo: una consultoría representó la PEA y la PNEA de hombres
y de mujeres en el segundo trimestre del 2010:
5
Fuente: Encuesta Nacional de Ocupación y Empleo, segundo trimestre de 2010.
92
Población Económicamente Activa y
Población No Economicamente Activa
Mujeres
Hombres,
PEA, 49,755
Mujeres, PEA,
16,568
Hombres
Hombres,
PNEA, 5,011
Mujeres,
PNEA, 6,161
6
Elaboración propia.
c) Gráfica de barras múltiples. Sirve para representar frecuencias
observadas en clasificaciones dobles, es decir, cuando son más de
dos criterios de clasificación porque representan dos variables o más
de acuerdo con el número de clases (las barras se colocan juntas de
acuerdo con su clasificación).
Ejemplo: una consultoría representó el crecimiento poblacional
en México de hombres y mujeres en tres periodos:
Población
Crecimiento poblacional en México
Hombres
Mujeres
Año
7
Elaboración propia.
d) Gráfica de barras compuestas. Representa frecuencias relativas en
forma porcentual, y clasificaciones dobles; se divide de manera
6
7
5
Fuente: Encuesta Nacional de Ocupación y Empleo, segundo trimestre de 2010.
Fuente: INEGI.
Fuente: INEGI.
93
proporcional respecto de los porcentajes correspondientes a las
clases del otro criterio de clasificación.
Ejemplo: una consultoría representó la población en México de
hombres y mujeres en tres periodos:
Población en México
Mujeres,
2000, 51.18%
Mujeres,
2005, 51.34%
Mujeres,
2010, 51.17%
Hombres,
2000, 48.82%
Hombres,
2005, 48.66%
Hombres,
2010, 48.83%
Hombres
Mujeres
Año
8
Elaboración propia.
e) Histograma. Resume la distribución de frecuencias. En el eje
horizontal se representa la variable de interés y en el vertical la
distribución de frecuencia. A diferencia del gráfico de barras no hay
separación entre los rectángulos formados por las clases y éstos se
separan con la línea vertical.
Ejemplo: en la siguiente gráfica se representa la venta en
millones de pesos de barriles de petróleo de datos agrupados, tema
que se estudiará en los próximos apartados en la parte teórica:
Venta en millones de pesos de barriles de petróleo
Elaboración propia.
94
f) Polígono de frecuencia. Se forma por medio del histograma ya que se
plotea el punto medio de la clase; se utiliza para las frecuencias de
variables cuantitativas continuas y sólo se utilizan los segmentos de la
recta.
Ejemplo: de la gráfica anterior se forma el polígono de
frecuencia:
Venta en millones de pesos de barriles de petróleo
Elaboración propia.
g) Ojiva. También se conoce como gráfico de frecuencia acumulada,
representa distribuciones de frecuencias de variables continuas
acumuladas y para su trazo se utilizan los segmentos de la rectas y
se plotea al final de cada clase.
Ejemplo: con base en el histograma se formula la ojiva:
Venta en millones de pesos de barriles de petróleo
Elaboración propia.
95
ACTIVIDAD DE APRENDIZAJE
Elaborar un cuadro comparativo en el que se anoten las similitudes y las
diferencias de los diferentes tipos de gráficos.
3.4 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS NO AGRUPADOS
En el apartado anterior se estudiaron los gráficos y fue posible apreciar que la
mayor densidad de frecuencia se encuentra en la parte central de éstos, es
decir, de acuerdo con el tipo de gráfico, los valores altos de la gráfica se
encuentran en medio y de ahí el interés de conocerlos.
Los valores medios se obtienen con las medidas de tendencia central:
media aritmética, media geométrica y media armónica, moda y mediana.
1. Media aritmética. Es la suma de los valores de ciertos números de
cantidades dividido entre el número total de elementos; se expresa
por medio de la siguiente fórmula:
̅
∑
Ejemplo: el departamento de informática de una empresa da
mantenimiento a las computadoras una vez por semana, este servicio
por cada una de las semanas es el siguiente: 29, 27, 26, 28 y 30.
Calcular el promedio de mantenimiento de computadoras.
Sustituyendo:
̅
96
Respuesta: el promedio de mantenimiento en cinco semanas en la
oficina es de 28 computadoras.
2. Media geométrica. Es la raíz de n del producto de n términos, se
utiliza para calcular tasas de crecimiento y se expresa con la siguiente
fórmula:
√
Ejemplo: el crecimiento de la población de niños con déficit de
atención en los últimos cuatro años es de 8, 17, 21 y 22%,
respectivamente. Calcular la media geométrica anual de crecimiento.
Para multiplicar los crecimientos correspondientes se agrega el
número uno a cada dato y cuando se tenga el resultado se elimina.
Sustituyendo:
√
√
Respuesta: la tasa de crecimiento en los últimos cuatro años de
déficit de atención es de 16.86%.
97
3. Media armónica. Es el recíproco de la media aritmética de los
recíprocos de los números de la serie. Se expresa con la siguiente
fórmula:
Ejemplo: Un psicólogo entrega 3 reportes psicométricos en un día
y otro entrega 2. Calcular el rendimiento representativo de los dos
psicólogos.
Sustituyendo:
Respuesta: el rendimiento representativo de entrega de reportes
es de 2.4.
98
4. Mediana. Es el valor intermedio que divide un conjunto de datos
previamente ordenados de menor a mayor.
5. Moda. Es el valor que más se repite de un conjunto de datos
Ejemplo 1: en un examen extraordinario de la materia de
contabilidad se obtuvieron las siguientes calificaciones: 2, 7, 0, 9, 1, 9,
7, 8, 2, 9, 0, 8, 0, 8, 2, 0, 0, 7, 2 ¿cuál es la media y la moda de las
calificaciones?
Para calcular la media, primero se ordenan los datos de menor a
mayor:
El dato marcado divide en partes iguales la serie de datos, de
cada lado se tienen 9 valores.
Para calcular la moda, se observa que el valor que más se repite
es el número 0, porque aparece 5 veces.
Respuesta: La mediana de las calificaciones del extraordinario de
contabilidad es 2, y la moda es 0.
Las medidas de dispersión hacen referencia a la variedad de valores de
las observaciones. Si se diera el caso de que todos los valores fueran iguales
entonces no existiría dispersión; por tanto, hablar de dispersión significa que los
datos no son iguales. Entonces cuando los datos están muy cercanos entre sí
existe una varianza pequeña y caso contrario, si están alejados, la varianza es
grande.
Las medidas de dispersión que se emplean en el estudio de la
estadística, son varianza, desviación estándar y coeficiente de variación.
1. Varianza. Son los valores de observaciones muy cercanos a la media
que se calculan para conocer la dispersión de los datos, mediante la
siguiente fórmula:
99
∑
(
̅)
Ejemplo: suponga que el número de ventas de automóviles en una
agencia durante los días hábiles de una semana, es 10, 11, 21, 23 y 26.
Calcular la varianza de los datos anteriores.
Primero se debe calcular ̅, y recordando la sección anterior de
medidas de tendencia central se obtiene:
̅
̅
Sustituyendo en la fórmula de la varianza:
(
)
(
(
)
)
(
(
)
)
(
)
(
(
)
)
(
(
)
)
Respuesta: la varianza de los datos representativos de la venta de
automóviles es de 42.152.
100
2. Desviación estándar. Es la raíz cuadrada de la varianza, mide la
separación que hay entre los datos y su fórmula es:
√
∑
(
̅)
Ejemplo: con base en el ejercicio anterior del número de ventas de
automóviles en una agencia de automóviles, calcular la desviación
estándar.
De acuerdo con lo desarrollo anteriormente, el resultado de la
varianza es 42.152 y a este resultado se le calcula su raíz cuadrada:
√
Respuesta: la desviación estándar de los datos representativos de
la venta de automóviles es de 6.4924.
3. Coeficiente de variación. Se utiliza cuando se quiere comparar la
dispersión de dos conjuntos de datos porque se desea conocer la
variación relativa y se expresa la desviación estándar como un
porcentaje de la media, quedando la siguiente fórmula:
̅
Ejemplo: con base en los ejercicios que se han desarrollado
anteriormente, calcular el coeficiente de variación.
De los desarrollos anteriores, el resultado de la media es 18.2 y
la desviación estándar es 6.4924, que se sustituyen en la fórmula:
101
Respuesta:
el
coeficiente
de
variación
de
los
datos
representativos de la venta de automóviles es 35.67%.
ACTIVIDAD DE APRENDIZAJE
Determinar las medidas de tendencia central (la media aritmética, moda,
mediana) y medidas de dispersión (varianza, desviación estándar y coeficiente
de variación), de los siguientes conjuntos de datos:
1. 4, 5, 5, 8, 8, 7, 9.
2. 2, 7, 0, 9, 1, 9, 7, 8.
3. Unos encuestadores realizaron visitas a zonas de alta marginación y
recorrieron las siguientes distancias: 5, 6, 9, 18, 5, 9, 11, 3, 9, 9 km,
respectivamente. Calcular las medidas de tendencia central y dispersión.
3.5 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS AGRUPADOS
En algunas ocasiones se requieren realizar los cálculos de medidas de
tendencia central y dispersión en datos que no se encuentran de manera bruta
sino que sólo se tiene la distribución de frecuencias. La distribución de
102
frecuencias es el arreglo ordenado de los datos para sintetizar la información y
éstos se presentan sin los valores individuales o las medidas descriptivas.
Cuando los datos se encuentran agrupados, las observaciones
individuales pierden su identidad y en la distribución de frecuencias se tiene el
número de observaciones que caen dentro de los intervalos de clase; éstos son
los que se utilizan para agrupar el conjunto de observaciones y se dan
intervalos contiguos de tal manera que cada valor pueda ubicarse en uno sólo.
Las medidas de tendencia central y dispersión de datos agrupados no se
calculan de la misma forma que para los datos no agrupados.
Para las medidas de tendencia central se tiene:
Media:
̅
Donde
∑
∑
= marca de clase, es el punto medio de cada intervalo de clase
y se obtiene
y
= frecuencia; se presenta en una tabla en que se
organizan los datos que caen en cada una de las clases y representa la
agrupación de los datos.
Mediana:
(
Donde
de datos;
)
= límite inicial donde se ubica la mediana;
= número total
= frecuencia acumulada (es la cantidad de datos que integra cada
una de las clases) anterior de donde se encuentra la mediana;
donde se ubica la mediana, y
= frecuencia
= tamaño del intervalo de las clases.
Moda:
103
(
Donde
)
= limite inicial donde se ubica la moda;
y
= diferencia
de las frecuencias, antes y después, respectivamente, de donde se encuentra la
moda.
Para las medidas de dispersión se tiene:
Varianza:
∑
(
̅)
∑
√
(
̅)
Desviación estándar:
Coeficiente de variación:
̅
Ejemplo: en la siguiente tabla se presenta una serie de datos agrupados,
calcular las respectivas medidas de tendencia central y dispersión:
Intervalos
Frecuencia
(f)
Frecuencia
acumulada
(F)
21.5 - 26.5
1
1
26.5 - 31.5
1
2
31.5 - 36.5
4
6
36.5 – 41.5
9
15
41.5 – 46.5
13
28
104
46.5 – 51.5
1
29
Para calcular la media conforme la fórmula, se requiere conocer la marca
de clase, por tanto en el cuadro se incorpora una nueva columna con el
encabezado “marca de clase” m y se realiza el cálculo con
:
Frecuencia
Frecuencia absoluta
Marca de clase
(f)
(F)
(m)
21.5 - 26.5
1
1
24
26.5 - 31.5
1
2
29
31.5 - 36.5
4
6
34
36.5 – 41.5
9
15
39
41.5 – 46.5
13
28
44
46.5 – 51.5
1
29
49
Intervalos
Después se forma otra columna de mf, donde se multiplica la columna m
con la columna f y se suman los resultados además de sumar f:
Intervalos
Frecuencia
(f)
Frecuencia
Marca de
absoluta
clase
(F)
(m)
mf
21.5 - 26.5
1
1
24
24
26.5 - 31.5
1
2
29
29
31.5 - 36.5
4
6
34
136
36.5 – 41.5
9
15
39
351
41.5 – 46.5
13
28
44
572
46.5 – 51.5
1
29
49
49
∑
∑
Posteriormente se sustituyen los valores en la fórmula de la media:
̅
̅
105
Respuesta: la media es 40.03.
Ahora se va a calcular la mediana, y se identifica en la fila de color
amarillo donde de acuerdo con los 29 datos, el valor intermedio que los divide
es 14.5 y el valor más cercano es 15 y se ubica en la columna F; se realiza la
sustitución de la fórmula:
(
)
(
)
Respuesta: la mediana es 41.44.
Para calcular la moda se identifica en la fila de color rosa y la columna f,
porque representa cuantos datos se encuentran en el intervalo y como se trata
de la moda, son los datos donde hay una mayor cantidad; se realiza la
sustitución de la fórmula:
(
)
(
)
Respuesta: la moda es 42.75.
106
Para determinar la varianza y antes de sustituir los respectivos valores en
la fórmula, se requiere incorporar nuevas columnas para obtener el dato
deseado.
̅ y se obtiene:
Primero se realiza la operación
Frecuencia
Intervalos
Frecuencia
Marca de
absoluta
clase
(F)
(m)
(f)
mf
̅
21.5 - 26.5
1
1
24
24
-16.03
26.5 - 31.5
1
2
29
29
-11.03
31.5 - 36.5
4
6
34
136
-6.03
36.5 – 41.5
9
15
39
351
-1.03
41.5 – 46.5
13
28
44
572
3.97
46.5 – 51.5
1
29
49
49
8.97
En segundo lugar, se realiza la operación (
Intervalos
Frecuencia
(f)
Frecuencia
Marca de
absoluta
clase
(F)
(m)
̅ ) y se obtiene:
mf
̅
(
̅)
21.5 - 26.5
1
1
24
24
-16.03
256.96
26.5 - 31.5
1
2
29
29
-11.03
121.66
31.5 - 36.5
4
6
34
136
-6.03
36.36
36.5 – 41.5
9
15
39
351
-1.03
1.06
41.5 – 46.5
13
28
44
572
3.97
15.76
46.5 – 51.5
1
29
49
49
8.97
80.46
En tercer lugar, se realiza la operación (
Intervalos
Frecuencia
(f)
Frecuencia
Marca
absoluta
de clase
(F)
(m)
̅)
y se obtiene:
mf
̅
(
̅)
(
̅)
21.5 - 26.5
1
1
24
24
-16.03
256.96
256.96
26.5 - 31.5
1
2
29
29
-11.03
121.66
121.66
31.5 - 36.5
4
6
34
136
-6.03
36.36
145.44
107
36.5 – 41.5
9
15
39
351
-1.03
1.06
9.55
41.5 – 46.5
13
28
44
572
3.97
15.76
204.89
46.5 – 51.5
1
29
49
49
8.97
80.46
80.46
∑
Finalmente se sustituyen los valores de la sumatoria y el número total de
datos:
Respuesta: la varianza es 28.24.
Para calcular la deviación estándar solamente son sustituidos los valores:
√
Respuesta: la desviación estándar es 5.31.
Y finalmente para calcular el coeficiente de determinación se sustituyen
los respectivos valores en la fórmula:
108
Respuesta: el coeficiente de variación es 13.26%.
ACTIVIDAD DE APRENDIZAJE
Calcular las medidas de tendencia central y dispersión de los siguientes datos
agrupados:
1.
Intervalos de clase
f
F
3.5 – 4.5
3
3
4.5 - 5.5
5
8
5.5 – 6.5
2
10
6.5 – 7.5
1
11
2.
Intervalos de clase
f
21.5 – 26.5
9
26.5 – 31.5
5
31.5 – 36.5
3
36.5 – 41.5
8
41.5 – 46.5
6
3.
Intervalos de clase
Frecuencia
Frecuencia acumulada
54.5 – 57.5
2
2
57.5 - 60.5
5
7
60.5 – 63.5
6
13
63.5 – 66.5
5
18
66.5 - 69.5
2
20
109
AUTOEVALUACIÓN
5. Relacionar las siguientes columnas:
1. Consiste en elaborar subgrupos
a) concepto de estadística
homogéneos de elementos de grupos ya
b) muestreo probabilístico
existentes o previamente definidos. (
c) muestreo de juicio
)
2. Consiste en elaborar una lista de la
d) muestreo de conglomerados
población y a través de números
e) concepto de estadística
aleatorios se selecciona a cada uno de
descriptiva
los elementos de la muestra. (
f) muestreo simple
)
3. Es un ejemplo claro de muestreo no
probabilístico. (
)
4. Es la recopilación, organización, y
resumen de los datos.
(
)
5. Es cuando todos los elementos de la
población tienen la misma probabilidad
de pertenecer a la muestra. (
)
6. Estudia la parte de la ordenación y la
presentación de datos de manera
sencilla. (
)
6. Subrayar la respuesta que corresponda con la afirmación:
e) Representa las frecuencias relativas o porcentuales trazando un círculo:

gráfica de pastel

gráfica de barras simple

gráfica de barras múltiples

gráfica de barras compuestas
110
f) Representa frecuencias observadas en clasificaciones dobles, cuando
existen más de dos criterios de clasificación:

gráfica de pastel

gráfica de barras simple

gráfica de barras múltiples

gráfica de barras compuestas
g) Resume la distribución de frecuencias, no hay separación entre los
rectángulos formados por las clases y se separa con una línea vertical:

polígono de frecuencia

histograma

gráfica de barras múltiples

ojiva
h) Se plotea el punto medio de la clase, se utiliza para las frecuencias de
variables cuantitativas continuas y sólo emplea segmentos de la recta:

polígono de frecuencia

histograma

gráfica de barras múltiples

ojiva
7. En las siguientes afirmaciones o definiciones, indicar la palabra que falta:
d) La ___________________________ es la suma de los valores de ciertos
números de cantidades dividido entre el número total de elementos.
e) La __________________________ es la raíz de n del producto de n
términos, se utiliza para calcular las tasas de crecimiento.
f) La __________________________ es el valor intermedio que divide un
conjunto de datos previamente ordenados de mayor a menor.
g) Las medidas de __________________________ hacen referencia a la
variedad de los valores de las observaciones.
111
h) Las medidas de dispersión son: la __________________________, la
__________________________ y el __________________________ .
i) La __________________________ es la raíz cuadrada de la varianza y
mide la separación que hay entre los datos.
Respuestas
1.
1. d)
2. f)
3. c)
4. a)
5. b)
6. e)
2.
a) gráfica de pastel
b) gráfica de barras múltiples
c) histograma
d) polígono de frecuencia
3.
a) media aritmética
b) media geométrica
c) mediana
d) dispersión
e) varianza, desviación estándar y coeficiente de variación
f) desviación estándar
112
UNIDAD 4
ESTADÍSTICA INFERENCIAL
OBJETIVO
El estudiante será capaz de obtener información importante, para llevar a cabo
la toma de decisiones acerca de la población de estudio a partir de las
muestras, además de utilizar los procedimientos estudiados en la presente
unidad en casos prácticos.
TEMARIO
4.1 DISTRIBUCIONES MUESTRALES
4.1.1 Muestreo aleatorio simple
4.1.2 Distribución de la media de la muestra
4.1.3 Distribución de la diferencia entre las medias de dos muestras
4.1.4 Distribución de la proporción de la muestra
4.1.5 Distribución de la diferencia entre las proporciones de dos muestras
4.2 ESTIMADORES
4.3 PRUEBA DE HIPÓTESIS
4.4 PRUEBAS DE BONDAD DE AJUSTE
113
MAPA CONCEPTUAL
Pruebas de
hipótesis
áreas de
estudio
Muestreo
obtiene sus
objetivos a partir
Estadística
inferencial
permiten tener una
perspectiva útil mediante
Estimadores
Pruebas de bondad
de ajuste
114
INTRODUCCIÓN
Es importante conocer la estadística inferencial porque permite a investigadores
y administradores llevar a cabo la toma de decisiones en su población de
estudio, con base en muestras que son extraídas de la población, pues permite
disminuir costos innecesarios y ahorrar tiempos por el solo hecho de trabajar
con una muestra.
El estudio de las distribuciones muestrales es el vínculo con lo ya
revisado de estadística descriptiva hacia la realización de inferencias. La
estadística inferencial tiene dos áreas de estudio los estimadores y las pruebas
de hipótesis. Los estimadores favorecen el trabajo con una pequeña porción de
datos, en lugar de todos los que conforman la población, mientras que las
pruebas de hipótesis facilitan tomar alguna decisión en torno a la población
conforme el cálculo de la muestra.
Es importante señalar que en ocasiones surgen discrepancias sobre los
valores observados y los esperados en los cálculos, por lo que se requiere
comprobar si la serie de datos está ajustada a las distribuciones de probabilidad
ya conocidas, por medio de las pruebas de ajuste de bondad.
115
4.1 DISTRIBUCIONES MUESTRALES
La distribución muestral es la frecuencia de un estadístico muestral que se
obtiene de todos los posibles valores calculados a partir de muestras del mismo
tamaño extraídas al azar de la misma población. Las distribuciones muestrales
son importantes para comprender la inferencia estadística, recordando que ésta
es la que permite realizar conclusiones acerca de las poblaciones por medio de
muestras representativas. Para lograr entender la experimentación en
estadística, sobre todo dentro de la descriptiva, es importante mencionar que la
probabilidad es la base del estudio de la estadística, ya que se interesa por
estudiar las muestras de la población.
Para construir una distribución muestral se requiere:
1. Población de tamaño finito, donde es posible extraer las muestras.
2. Calcular el estadístico de interés
3. Enlistar los valores observados de la estadística.
En forma general, las distribuciones muestrales son un apoyo para
conocer la media y la varianza.
ACTIVIDAD DE APRENDIZAJE
Investigar, enumerar y realizar un breve resumen de las distribuciones
muestrales más importantes estudiadas en la estadística inferencial.
4.1.1
Muestreo aleatorio simple
Antes de poder dar una definición del muestreo aleatorio simple es importante
conocer que la muestra probabilística es cuando cada uno de los elementos o
miembros de una población tiene exactamente la misma probabilidad de
pertenecer a la muestra.
116
Cuando se menciona el concepto de muestra aleatoria simple, se define
que cada una de las muestras pertenecientes a la población tiene exactamente
la misma probabilidad de ser seleccionada.
Hay dos diferentes tipos de muestreo: con reemplazo y sin reemplazo.
En primer caso, cada miembro de la población está disponible para la
extracción; por ejemplo, cuando se realiza alguna auditoria de
ISO-9000
los
auditores seleccionan al azar algunos trabajadores y al término de las
preguntas que se les realizan, regresan a la población, estando nuevamente
disponibles para otra extracción. El segundo caso, se ocupa más en la práctica
y se define que cuando algún miembro de la población es extraído para la
muestra, ya no vuelve a estar disponible para otra extracción; por ejemplo las
degustaciones de algún producto nuevo de comida en los centros comerciales,
una vez que un individuo se extrae una muestra, ya no puede conformar parte
de una nueva extracción.
ACTIVIDAD DE APRENDIZAJE
Elaborar un listado de cinco ejemplos de muestreo con reemplazo y sin
reemplazo, aplicables a la profesión que está estudiando.
4.1.2
Distribución de la media de la muestra
Pueden existir dos casos de muestreo: el primero, que pueda partir de una
distribución normal y el segundo, a partir de una población que no tiene
distribución normal.
La distribución normal se estudió en la unidad 2, y para el caso de no
existir una distribución normal, cuando se tiene una muestra grande, se utiliza el
teorema del límite central.
El teorema del límite central consiste en que dada una población no
normal con medias y varianzas finitas, pero con distribución muestral de la
media grande, éstas se distribuyen en forma aproximadamente normal .
117
En estadística, se considera que una muestra es grande, cuando es
mayor de 30 elementos o contiene más de 5% de las observaciones en la
población; sin embargo, con la aplicación del teorema del límite central se
corrige, porque la distribución de muestreo de la media será aproximadamente
normal.
Entonces, modificando la fórmula de Z, estudiada en la unidad 2, se
obtiene la fórmula de la distribución normal de la muestra en la distribución
normal unitaria, quedando:
̅
̅
√
Donde la raíz cuadrada de la varianza de la distribución muestral, es
decir
√
, se conoce como el error estándar
̅.
Ejemplo: supóngase que las calificaciones de los alumnos de una prueba
diagnóstica están distribuidas de forma casi normal con una media de 185.6 y
una desviación estándar de 12.7, ¿cuál es la probabilidad de que una muestra
aleatoria de tamaño 10 de esta población, tenga una calificación media mayor a
190? Se aplica el teorema del límite central porque aunque la muestra es menor
a 30, tiene una distribución no normal, entonces es aplicable el teorema.
Sustituyendo:
√
118
El valor de 1.09 se busca en la tabla de distribución normal empleada en
la unidad 2 (véase tabla al final de la unidad, antes de la Autoevaluación).
De acuerdo con la tabla, el valor es 0.3621, al cual se le resta 0.5, ya que
tiende a la derecha porque se quiere conocer la probabilidad de que la media
sea mayor a 90; por tanto, el resultado es 0.1379.
Respuesta: la probabilidad de que la muestra tenga una calificación
media mayor a 190 es de 13.79%.
ACTIVIDAD DE APRENDIZAJE
De acuerdo con los siguientes ejercicios, calcular las probabilidades, además
de valorar para el desarrollo de los problemas si se aplica el teorema del límite
central.
1 Si la media y la desviación de respuestas asertivas en un examen de
conocimientos es de 120 y 13, respectivamente, ¿cuál es la probabilidad
de que una muestra al azar de tamaño 40 proporcione una media entre
115 y 128?
2 De acuerdo con los datos del ejercicio anterior, ¿cuál es la probabilidad
que la muestra al azar de tamaño 40, proporcione una media menor a
105?
i) Supóngase que los salarios por día de los empleados de una empresa
están distribuidos de forma casi normal con una media y una desviación
estándar de 58.6 y 6.5, respectivamente, y si se selecciona una muestra
al azar de tamaño 16, ¿cuál es la probabilidad de que la media del
salario por día de la muestra sea mayor a 90?
4.1.3
Distribución de la diferencia entre las medias de dos muestras
Suele haber casos en los que existe interés en calcular la diferencia entre las
medias de dos poblaciones; incluso se puede darse el caso de que al existir dos
medias diferentes, exista interés por saber cuánto difieren éstas. Este cálculo se
puede realizar por medio de la siguiente fórmula:
119
(̅̅̅
(
̅̅̅)
)
√
Ejemplo: supóngase que hay dos grupos de personas que empacan el
producto de venta de una empresa; el primero, lo hace en promedio en 45 min,
con una desviación estándar de 15 min, y el segundo lo hace en 30 min, con
una desviación estándar de 20 min. Si un trabajador seleccionado al azar del
primer grupo empaca 35 productos y un trabajador seleccionado al azar del
segundo grupo empaca 40, ¿cuál es la probabilidad de que la duración media
del empaque difiera entre los dos grupos por más de 20 min?
Sustituyendo:
(̅̅̅
(
̅̅̅)
)
√
(
√(
)
)
(
(
)
)
√
120
El valor de 1.23 se busca en la tabla de distribución normal (véase tabla
al final de la unidad, antes de la Autoevaluación).
De acuerdo con la tabla, el valor es 0.3907, al cual se le resta 0.5, ya que
se quiere conocer la diferencia entre las medias de las dos muestras mayor a
20 min, por tanto, el resultado es .01093.
Respuesta: la probabilidad que la duración media del empaque difiera
entre los dos grupos por más de 20 min es de 10.93%.
ACTIVIDAD DE APRENDIZAJE
Calcular la probabilidad de los siguientes ejercicios.
1. Dadas dos poblaciones con distribución no normal, la primera con media
de 280 y varianza de 122, y la segunda con media de 350 y varianza de
188, ¿cuál es la probabilidad de que las muestras 1 y 2 (de tamaño 41 y
48, respectivamente), proporcionen una diferencia de medias menor a
17?
2. En un estudio de ingreso familiar se investigó a dos poblaciones: la
primera con un ingreso medio familiar de 6,800, varianza de 2,800 y
muestra de 32, y la segunda con un ingreso medio familiar de 6,250,
varianza de 3,200 y muestra de 47, ¿cuál es la probabilidad de que el
ingreso familiar medio difiera entre los dos grupos por menos de 1,000?
4.1.4
Distribución de la proporción de la muestra
Cuando se quiere calcular la probabilidad de la proporción de una muestra se
emplea la siguiente fórmula:
̌
√
(
)
Ejemplo: supóngase que el promedio de personas que realizan estudios
de nivel medio superior en una comunidad de alta marginación económica, es
121
de 8%. Si se seleccionan al azar 150 personas, ¿cuál es la probabilidad de que
la proporción de alta marginación sea mayor a 10%?
Sustituyendo:
(
√
)
(
√
)
√
√
El valor de 0.81 se busca en la tabla de distribución normal (véase tabla
al final de la unidad, antes de la Autoevaluación).
De acuerdo con la tabla, el valor es 0.291, al cual se le resta 0.5, ya que
se quiere conocer que la probabilidad de que la proporción de alta marginación
sea mayor a 10%, por tanto, el resultado es 0.209.
Respuesta: la probabilidad de que la proporción de alta marginación sea
mayor a 10% es de 20.9%.
122
ACTIVIDAD DE APRENDIZAJE
Calcular la probabilidad de los siguientes ejercicios.
1. Si en una población de adultos mayores, 21% no recibe ningún tipo de
pensión por retiro, ¿cuál es la probabilidad de que de una muestra al
azar de tamaño 90 dé una proporción mayor a 30%?
2. De acuerdo con el ejercicio anterior, calcular la probabilidad de que una
muestra al azar de tamaño 133 dé una proporción menor a 13%.
4.1.5
Distribución de la diferencia entre las proporciones de dos muestras
En ocasiones no sólo se tiene interés por conocer la probabilidad de una sola
muestra si no de dos, por tanto se debe calcular la probabilidad de la diferencia
en las proporciones de dos muestras independientes extraídas de cada una de
las poblaciones; para ello se emplea la siguiente fórmula:
(̌
̌)
(
√
)
(
)
(
)
Ejemplo: supóngase que la proporción de personas que compran discos
compactos pirata de una población grupo 1, es 0.50, mientras que en la otra
población, grupo 2, la proporción es 0.33. ¿Cuál es la probabilidad de que
muestras de 100 individuos, extraídas de cada una de las poblaciones, tengan
una diferencia entre las proporciones de muestras tan grande como 0.30?
Los valores son sustituidos de la siguiente manera:
(
√
)
(
(
√
(
)
)
(
)
(
(
)
)
)
(
)
123
(
)
(
)
)
(
)
√
(
√
√
El valor 1.89 se busca en la tabla de distribución normal (véase tabla al
final de la unidad, antes de la Autoevaluación).
De acuerdo con la tabla, el valor es 0.4706, al cual se le resta 0.5, ya que
se quiere conocer la diferencia entre las medias de las dos muestras que sea
tan grande como 0.30, por tanto, el resultado es 0.0294.
Respuesta: la probabilidad de que la diferencia entre las medias de las
dos muestras sea tan grande como 0.30 es de 2.94%.
ACTIVIDAD DE APRENDIZAJE
Calcular la probabilidad de los siguientes ejercicios.
1. En cierta población de mujeres, se sabe que la proporción que han
sufrido algún tipo de violencia familiar es de 0.40 y se extrajo al azar una
muestra de 100 individuos y otra de tamaño 110, con la proporción de
0.30 con el mismo problema. ¿Cuál es la probabilidad de que la muestra
proporcione una diferencia entre las dos muestras mayor de 0.60?
2. En una empresa, 40% de los trabajadores no está titulado, una muestra
extraída al azar de 81 personas y otra de 60 dio como diferencia 11%. Si
124
no existe diferencia entre los dos grupos en la proporción de los
trabajadores no titulados, ¿cuál es la probabilidad de observar una
diferencia como ésta o menor?
4.2 ESTIMADORES
Para abordar este tema, es importante recordar que la inferencia estadística es
el procedimiento mediante el cual se trabaja con muestras y de acuerdo con los
resultados arrojados se realizan las inferencias en las poblaciones.
La estadística inferencial se divide en dos áreas de estudio: los
estimadores y las pruebas de hipótesis.
El estudio de los estimadores implica calcular a partir de los datos de la
muestra, algún estadístico que permite una aproximación del parámetro
correspondiente a la población de la cual se extrajo la muestra; para cada uno
de los parámetros se pueden calcular dos diferentes tipos de estimadores: el
puntual y el de intervalos.
El estimador puntual es un solo valor numérico empleado para estimar el
parámetro correspondiente de la población; los estimadores de este tipo se
forman por medio de fórmulas (lo que ya se trabajó en este libro); por ejemplo,
si se desea calcular la media muestral, se emplea la fórmula ̅
∑
y al
unísono se estima la media de la población, es decir, .
Los estimadores cuentan con tres propiedades y la nomenclatura para
representar un parámetro, es decir, el valor numérico que describe las
características de la población, el cual es
; y para expresar el estimador, es
decir, el valor numérico que describe las características de la muestra, se
emplea ̂.
Los estimadores tienen las siguientes propiedades:

Si el lím E( ̂) = E( )

Lím var( ̂) = 0; propiedad de los insesgados.

Cuando n
; y si n crece se vuelve insesgado.
125

La varianza media o sesgo medio, también se conoce como varianza
media uniforme,ya que se tiene una muestra aleatoria de una
distribución de densidad g(
siendo el estadístico ̂ = u(
) y se representa como f(
) y
) un estimador con E( ̂) =
y
var( ̂)menor que cualquier otro estimador insesgado del parámetro
para todos los posibles valores, es insesgada y de varianza mínima.
La eficiencia, si ̂ y ̂ son 2 estimadores insesgados de
y la
varianza de ̂ es menor a 0 o al menos a la varianza de ̂ .
Cuando ̂ es insesgado de varianza mínima se llama estimador eficiente.
El otro estimador es por intervalos; consta de dos valores numéricos, definidos
por medio de un intervalo con un grado de confianza que incluye el parámetro
que se está estimando. La forma general para calcular un intervalo de confianza
es:
Estimador
coeficiente de confianza × error estándar
El coeficiente de confianza puede ser cualquier valor, pero en la práctica
los más utilizados son 90, 95 y 99% y aunque los valores de los diferentes
valores de los coeficientes de confianza corresponden con los valores de la
tabla z de distribución normal, con la que se ha trabajado en ejercicios
anteriores, para facilitar el trabajo se presenta una tabla donde vienen
especificados los coeficientes de confiabilidad de más uso.
Nivel de confianza
Z
99%
2.58
98%
2.33
96%
2.05
95%
1.96
90%
1.645
85%
1.43
126
80%
1.28
Se pueden construir diferentes intervalos de confianza, los cuales se
mencionan a continuación:
a) Intervalo de confianza para la media de una población.
̅
(
̅
)
Ejemplo: el departamento de selección de una empresa desea
estimar, con 99% de confianza, la media de calificaciones de un cierto
grupo de candidatos de ser seleccionados para un empleo. La
distribución es aproximadamente normal y su desviación estándar es de
12. De una población se extrae una muestra de 16 individuos, la cual
arrojó 88 como resultado en su media de calificaciones. Calcular el
intervalo de confianza.
Solución:
√
Respuesta: de la media de las calificaciones de la población con
99% de confianza, está entre 80.26 y 95.74.
b) Intervalo de confianza para la diferencia entre las medias de dos
poblaciones.
̅
̅
(
)
√
127
Ejemplo: el ingreso medio familiar de una muestra de 50 personas
es de $8,000, mientras que en otra muestra, también de 50 personas, es
de $6,000; las desviaciones estándar son de $20 y $50, respectivamente,
¿cuál es el intervalo de confianza de 99% para la diferencia de las dos
poblaciones?
Solución:
√
√
Respuesta: la diferencia entre las medias de dos poblaciones con
99% de confianza, está entre $1,980.35 y $2019.64.
c) Intervalo de confianza para la proporción de una población.
̌
(
)
√
̌)
̌(
Ejemplo: se encuestó a 800 personas, de las cuales 600 afirmaron
que pagan sus respectivos impuestos. Calcular el intervalo de confianza
de 99%.
Solución:
(
√
√
)
(
)
128
√
Respuesta: la proporción de una población con 99% de confianza,
se encuentra entre 0.7105 y 0.7894.
d) Intervalo de confianza para la diferencia entre las proporciones de dos
poblaciones.
(̆
̌ )
(
)
√
̆(
̌
̆)
̆ (
̌
̆)
Ejemplo: de una muestra de 200 personas, 100 de ellos cuentan
con un ahorro en una institución bancaria y de otra muestra
seleccionada de 120 personas, 60 de ellas tienen una cuenta de
ahorro. Calcular el intervalo de confianza de 95%.
Solución:
(
)
√
(
)
(
)
129
e) Respuesta: la confianza de la diferencia de 95% entre las
proporciones de dos poblaciones, se encuentra entre -0.1326 y
0.1326.
ACTIVIDAD DE APRENDIZAJE
Calcular la probabilidad de los siguientes ejercicios e identificar el tipo de
intervalo de confianza.
1. En una oficina gubernamental se quiere conocer el intervalo de confianza
de 95% del tiempo de retraso en la llegada al trabajo; los datos arrojados
del estudio elaborado son de 11.2 minutos en promedio, con una
desviación estándar de 8 minutos, de una muestra extraída al azar de 50
trabajadores.
2. Calcular el intervalo de confianza de 99% de un estudio elaborado en un
consultorio dedicado a impartir terapia de pareja. Se trabajó con dos
muestras, una de 10 parejas y otra de 8. Todas las parejas contestaron
un cuestionario acerca de los logros con su pareja. La calificación media
de la primera muestra fue de 57 y de la segunda de 89; de acuerdo con
la experiencia bajo situaciones similares, las calificaciones de parejas sin
problemas al contestar el cuestionario muestran una distribución normal
con desviaciones estándar de 13 y 17, respectivamente.
3. Calcular el intervalo de confianza de 99% de una encuesta que se realizó
a 350 personas, en relación con su chequeo anual de salud, de las
cuales 127 contestaron que se lo realizan.
4.3 PRUEBA DE HIPÓTESIS
Las hipótesis son empleadas por los investigadores o los administradores que
pretenden tomar una decisión en torno a su población, mediante la elaboración
de ciertos cálculos con apoyo de la muestra.
La prueba de hipótesis es una afirmación acerca de los parámetros
poblacionales y se valora por medio del desarrollo de los siguientes pasos:
130
1. Datos. Son la base del desarrollo de la prueba de hipótesis.
2. Suposiciones. Hacen referencia a la independencia de las muestras y las
varianzas.
3. Hipótesis. Se manejan dos hipótesis, la nula se nombra
alternativa,
. La
y la
es la hipótesis de no diferencia y esto significa que
es de conformidad; pero durante el desarrollo de la prueba de hipótesis
se valora su aceptación o su rechazo. De acuerdo con lo anterior, la
hipótesis nula se puede rechazar o se puede aceptar, si no es rechazada
se argumenta que los datos sobre los cuales está basada la prueba no
arrojan evidencia suficiente; si es rechazada, significa que no es
compatible con la hipótesis nula, pero avala la otra hipótesis, es decir, la
alternativa,
.
4. Estadístico de prueba. Es la enunciación que facilita el cálculo de los
estadísticos por medio de la muestra.
5. Regla de decisión. Es cuando la distribución de la estadística se divide
en dos grupos: la zona de aceptación y la de rechazo. La zona de
aceptación es aquella región que tiene mayor probabilidad de suceder,
cuando la hipótesis nula es verdadera. La zona de rechazo es la región
que tiene menor probabilidad de suceder, si la hipótesis nula es
verdadera.
Consiste en valorar la
, la cual se rechaza si una vez calculado
el estadístico de prueba, cae en la zona de rechazo, y se acepta, si el
cálculo del estadístico de prueba cae en la zona de aceptación. Lo que
permite valorar cuánto abarca la zona de aceptación y la zona de
rechazo es el nivel de significancia; éste especifica el área debajo de la
curva de la distribución estadística de prueba referente a la probabilidad
de rechazar una
; por lo que siempre se buscan probabilidades
pequeñas de rechazar una
que sea verdadera. Los valores que en la
práctica se trabajan más en el nivel de significancia son 0.01, 0.05 y
0.10.
131
Región de aceptación y rechazo de dos colas
Zona de
aceptación
Zona de
rechazo
Zona de
rechazo
Nivel de significancia
Región de aceptación y rechazo de una sola cola
Zona de
aceptación
Zona de
rechazo
Nivel de
significancia
132
Región de aceptación y rechazo de una sola cola
Zona de
aceptación
Zona de
rechazo
Nivel de
significancia
En algunas ocasiones se pueden cometer errores, los cuales son
de dos tipos. El de tipo I, se comete cuando se rechaza una
verdadera y el de tipo II, es cuando se acepta una
falsa.
6. Cálculo del estadístico de prueba. Es la elaboración del estadístico.
7. Decisión estadística. Es la valoración de aceptación o rechazo de la
8. Conclusión. Si se acepta
rechaza, se dice que
, se concluye que es verdadera y si se
es verdadera.
La prueba de hipótesis es una herramienta que facilita a los
investigadores y administrativos la toma de decisiones, sin embargo aunque su
resultado no es definitivo, sí es una posibilidad que se debe tomar en cuenta
además de la información enriquecedora que puedan poseer el investigador o el
administrador.
Ejemplo 1: en una encuesta se entrevistó a 36 personas; uno de los
detalles de la información obtenida son las veces que han salido de vacaciones
durante toda su vida. El resultado que arrojó es que el promedio de salidas es
de 22, con una desviación estándar de 6. El investigador desea saber si la
encuesta realizada en la muestra, proporciona evidencia suficiente para indicar
133
que la media de población sale en promedio 25 veces en su vida, si el grado de
confianza es de 95%, es decir, un nivel de significancia de 0.05.
Solución:
, ̅
1. Datos:
2. Suposición:
.
.
3. Hipótesis:
y
.
̅
4. Estadístico de prueba:
√
5. Regla de decisión: Para este caso, el grado de significancia es
de 0.05, y se tienen dos zonas de rechazo por lo que
divide entre dos, quedando
se
, por lo que el valor en cada cola
es 0.025. Los valores del grado de confianza se obtienen por
medio de la tabla de distribución normal, buscando los más
próximos para la obtención de z (para facilitar el trabajo se
presenta un tabla donde vienen especificados los coeficientes
de confiabilidad de más uso).
Nivel de confianza
99%
2.58
2.33
95%
1.96
1.645
90%
1.645
1.28
De manera más práctica, con apoyo de la tabla cuando el
caso es de dos colas con un nivel de significancia de 95%, el valor
es 1.96, y se representa de la siguiente manera:
134
0.95
0
-1.96
Zona de
rechazo
-1.96
Zona de
aceptación
Zona de
rechazo
6. Cálculo del estadístico de prueba:
√
7. Decisión estadística: se rechaza
, porque el valor de -3 se ubica
en la zona de rechazo.
135
El valor del estadístico
de prueba es -3
0
-1.96
-1.96
Zona de
aceptación
Zona de
rechazo
Zona de
rechazo
Por tanto, el valor calculado del estadístico de prueba es
significativo a 95%.
8. Conclusión: la media poblacional no sale en promedio 25 veces de
vacaciones en su vida las personas, sólo hace falta valorar que el
investigador esté de acuerdo con esta conclusión, recordando que
no es una afirmación si no una posibilidad de acuerdo con la
confiabilidad de 95%.
Ejemplo 2: conforme los datos del ejercicio anterior, valorar si la
encuesta realizada a la muestra, proporciona la evidencia suficiente para
indicar que la media de población sale en promedio en su vida menos de
25 veces.
Solución:
1. Datos:
2. Suposición:
3. Hipótesis:
, ̅
.
.
y
4. Estadístico de prueba:
̅
√
5. Regla de decisión: de manera más práctica, con apoyo de la
tabla cuando el caso es de una cola con un nivel de
136
significancia de 95%, el valor es 1.645, y se representa de la
siguiente manera:
0.95
0.05
-1.645
Zona de
rechazo
0
Zona de
aceptación
6. Cálculo del estadístico de prueba:
√
7. Decisión estadística: se rechaza
, porque el valor de -3 se
ubica en la zona de rechazo.
137
El valor del estadístico
de prueba es -3
0.95
0
-1.645
Zona de
aceptación
Zona de
rechazo
Por tanto, el valor calculado del estadístico de prueba es
significativo a 95%.
8. Conclusión: la media poblacional sale en promedio menos 25
veces de vacaciones en su vida; sólo hace falta valorar que el
investigador esté de acuerdo con esta conclusión, recordando
que no es una afirmación si no una posibilidad de acuerdo con
la confiabilidad de 95%.
ACTIVIDAD DE APRENDIZAJE
Calcular los siguientes ejercicios con ayuda de la prueba de hipótesis.
1. Se recolectó una muestra de 45 muertes registradas en el Estado de
México y arrojó que el promedio de esperanza de vida es de 75.4 años,
con una desviación estándar de 1.9 años. Se desea saber si la muestra
proporciona suficiente evidencia para indicar que la población vive
menos de 46 años, además se ocupará 99% de confianza, es decir un
nivel de significancia de 0.01.
2. De acuerdo con el ejercicio anterior, valorar si la población vive en
promedio 68 años, empleando 95% de confianza, es decir, un nivel de
significancia de 0.05.
138
4.4 PRUEBAS DE BONDAD DE AJUSTE
Las pruebas de bondad de ajuste permiten examinar problemas con la finalidad
de verificar si el conjunto de datos se puede ajustar o aseverar que proviene de
una determinada distribución, es decir, permiten medir el grado de ajuste que
existe entre la distribución determinada a partir de la muestra y la distribución
teórica que se supone debe seguir esa muestra (los datos se ajustan a una
determinada distribución que proviene de la muestra).
En muchas ocasiones no es posible conocer la distribución de
probabilidad de la variable aleatoria que se está estudiando, por lo que se
supone X, y se desea probar la hipótesis de que X sigue una distribución de
probabilidad particular. Por ejemplo, podría ser de interés probar la hipótesis de
que X sigue una distribución normal, una exponencial, etc., por lo que las
pruebas de bondad de ajuste se pueden realizar en aquellos casos en que la
distribución planteada en la hipótesis es de tipo normal, binominal, de Poisson,
Chi cuadrada o cualquier otra distribución de las que ya se estudiaron en la
unidad 2.
Las pruebas de bondad de ajuste brindan una perspectiva útil para poder
evaluar la viabilidad o sustentabilidad de un modelo potencial para el suministro
de datos.
La ventaja que se tiene al realizar pruebas de bondad de ajuste es que
no hay una sola distribución en aplicaciones reales, sino que se plantean
hipótesis en diferentes distribuciones.
Es muy importante entender el efecto del tamaño de la muestra, debido a
que si muy pocos datos están disponibles, entonces una prueba de bondad de
ajuste puede rechazar alguna distribución postulante; pero si hay muchos datos
disponibles, entonces una prueba de ajuste de bondad puede rechazar todas
las pruebas postulantes.
ACTIVIDAD DE APRENDIZAJE
139
De acuerdo con la bibliografía sugerida, escribir en una cuartilla cuál es la
utilidad de las pruebas de bondad de ajuste.
Tabla de distribución normal
Z
0
0
0.01
0
0.004
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.008
0.012
0.016 0.0199 0.0239
0.0279 0.0319
0.0359
0.1
0.0398
0.0438 0.0478
0.0517
0.0557 0.0596 0.0636
0.0675 0.0714
0.0753
0.2
0.0793
0.0832 0.0871
0.091
0.0948 0.0987 0.1026
0.1064 0.1103
0.1141
0.3
0.1179
0.1217 0.1255
0.1293
0.1331 0.1368 0.1406
0.1443
0.148
0.1517
0.4
0.1554
0.1591 0.1628
0.1664
0.17 0.1736 0.1772
0.1808 0.1844
0.1879
0.5
0.1915
0.195 0.1985
0.2019
0.2054 0.2088 0.2123
0.2157
0.219
0.2224
0.6
0.2257
0.2291 0.2324
0.2357
0.2389 0.2422 0.2454
0.2486 0.2517
0.2549
0.7
0.258
0.2611 0.2642
0.2673
0.2704 0.2734 0.2764
0.2794 0.2823
0.2852
0.8
0.2881
0.291 0.2939
0.2967
0.2995 0.3023 0.3051
0.3078 0.3106
0.3133
0.9
0.3159
0.3186 0.3212
0.3238
0.3264 0.3289 0.3315
0.334 0.3365
0.3389
1
0.3413
0.3438 0.3461
0.3485
0.3508 0.3531 0.3554
0.3577 0.3599
0.3621
1.1
0.3643
0.3665 0.3686
0.3708
0.3729 0.3749
1.2
0.3849
0.3869 0.3888
0.3907
1.3
0.4032
0.4049 0.4066
1.4
0.4192
0.4207 0.4222
1.5
0.4332
1.6
0.377
0.379
0.381
0.383
0.3925 0.3944 0.3962
0.398 0.3997
0.4015
0.4082
0.4099 0.4115 0.4131
0.4147 0.4162
0.4177
0.4236
0.4251 0.4265 0.4279
0.4292 0.4306
0.4319
0.4345 0.4357
0.437
0.4382 0.4394 0.4406
0.4418 0.4429
0.4441
0.4452
0.4463 0.4474
0.4484
0.4495 0.4505 0.4515
0.4525 0.4535
0.4545
1.7
0.4554
0.4564 0.4573
0.4582
0.4591 0.4599 0.4608
0.4616 0.4625
0.4633
1.8
0.4641
0.4649 0.4656
0.4664
0.4671 0.4678 0.4686
0.4693 0.4699
0.4706
1.9
0.4713
0.4719 0.4726
0.4732
0.4738 0.4744
0.475
0.4756 0.4761
0.4767
0.4808 0.4812
0.4817
2
0.4772
0.4778 0.4783
0.4788
0.4793 0.4798 0.4803
2.1
0.4821
0.4826
0.483
0.4834
0.4838 0.4842 0.4846
0.485 0.4854
0.4857
2.2
0.4861
0.4864 0.4868
0.4871
0.4875 0.4878 0.4881
0.4884 0.4887
0.489
2.3
0.4893
0.4896 0.4898
0.4901
0.4904 0.4906 0.4909
0.4911 0.4913
0.4916
2.4
0.4918
0.492 0.4922
0.4925
0.4927 0.4929 0.4931
0.4932 0.4934
0.4936
2.5
0.4938
0.494 0.4941
0.4943
0.4945 0.4946 0.4948
0.4949 0.4951
0.4952
2.6
0.4953
0.4955 0.4956
0.4957
0.4959
0.496 0.4961
0.4962 0.4963
0.4964
2.7
0.4965
0.4966 0.4967
0.4968
0.4969
0.497 0.4971
0.4972 0.4973
0.4974
2.8
0.4974
0.4975 0.4976
0.4977
0.4977 0.4978 0.4979
0.4979
0.498
0.4981
2.9
0.4981
0.4982 0.4982
0.4983
0.4984 0.4984 0.4985
0.4985 0.4986
0.4986
3
0.4987
0.4987 0.4987
0.4988
0.4988 0.4989 0.4989
0.4989
0.499
0.499
140
141
AUTOEVALUACIÓN
8. Relacione las siguientes columnas.
1. Es la frecuencia de un estadístico a) muestreo sin reemplazo
muestral que se obtiene de todos los b) muestreo con reemplazo
posibles valores calculados a partir de c) muestra aleatoria simple
muestras del mismo tamaño extraídos d) muestra probabilística
e) distribución muestral
al azar de la misma población. ( )
2. Cada uno de los elementos de la
población
tienen
probabilidad
de
la
misma
pertenecer
a
la
muestra. ( )
3.
Cada
una
de
las
muestras
pertenecientes a la población tienen
exactamente la misma probabilidad de
ser seleccionadas. ( )
4. Cada miembro de la población está
disponible
para
otra
extracción
después de utilizarse. ( )
5. Cuando cada miembro de la
población es extraído para la muestra,
pero ya no vuelve a estar disponible
para otra extracción; este tipo de
muestreo usualmente se utiliza en la
práctica. ( )
9. Subrayar la respuesta que corresponda con la afirmación.
j) El teorema del límite central se utiliza cuando se tienen muestras de
tamaño grande y son las que se consideran:
142

mayores a 20 elementos

menores a 20 elementos

mayores a 30 elementos
k) Los estimadores y las pruebas de hipótesis son dos áreas de estudio de
la:

probabilidad

estadística descriptiva

estadística inferencial
l) Se calculan a partir de los datos de la muestra de algún estadístico que
permite alguna aproximación del parámetro correspondiente de una
población de la cual se extrajo la muestra:

distribuciones normales

estimadores

pruebas de hipótesis
m) Es un solo valor numérico empleado para estimar un parámetro
correspondiente de la población:

estimador puntual

estimador por intervalos

prueba de hipótesis
n) Son dos valores numéricos y son definidos por medio de un intervalo con
un grado de confianza e incluyen el parámetro estimado:

estimador puntual

estimador por intervalos

prueba de hipótesis
10. En las siguientes afirmaciones o definiciones indicar la palabra que falta.
j) Las
___________________________
son
empleadas
por
los
investigadores o administradores que pretenden tomar una decisión en
143
torno a su población, mediante la elaboración de ciertos cálculos con el
apoyo de la muestra.
k) Las__________________________ hacen referencia a la independencia
de las muestras y las varianzas.
l) El __________________________ es la enunciación que facilita calcular
los estadísticos por medio de la muestra.
m) El __________________________ es cuando se acepta una hipótesis
nula falsa.
n) La __________________________ es valorar la aceptación o el rechazo
de la hipótesis nula.
o) Las __________________________ permiten examinar problemas con
la finalidad de verificar si el conjunto de datos se pueden ajustar o
aseverar que provienen de una determinada distribución.
Respuestas
1.
1. e)
2. d)
3. c)
4. b)
5. a)
2.
a) mayores a 30 elementos
b) estadística inferencial
c) estimadores
d) estimador puntual
e) estimador por intervalos
3.
a) hipótesis
b) suposiciones
144
c) estadístico de prueba
d) error tipo II
e) decisión estadística
f) pruebas de bondad
145
GLOSARIO
Axioma. Premisa que se considera evidente y se acepta sin requerir
demostración previa.
Coeficiente de variación. Se utiliza cuando se quiere comparar la dispersión
de dos conjuntos de datos porque se desea conocer la variación relativa y se
expresa la desviación estándar como un porcentaje de la media.
Combinación. Selección de diferentes de artículos sin importar el orden de los
objetos sin repetición.
Desviación estándar. Raíz cuadrada de la varianza, mide la separación que
hay entre los datos.
Distribución muestral. Frecuencia de un estadístico muestral que se obtiene
de todos los posibles valores calculados a partir de muestras del mismo tamaño
extraídas al azar de la misma población.
Equiprobable. Caso en el que todos los eventos tienen la misma probabilidad
de ocurrencia.
Error de tipo I. Cuando se rechaza una
verdadera.
Error de tipo II. Cuando se acepta una
falsa.
Espacio muestral. Conjunto de todos los posibles resultados que pueden
ocurrir en un experimento.
Esperanza matemática. Valor esperado de una variable aleatoria
Estadística descriptiva. Estudia la parte de la ordenación y la presentación de
datos de manera sencilla; por tanto, describe las variables con las que se
trabaja.
Estadística inferencial. Consiste en extrapolar los resultados obtenidos en el
análisis de los datos y a partir de ello predecir acerca de una población, con un
margen de confianza conocido; se apoya en el cálculo de probabilidades.
Estimador puntual. Un solo valor numérico empleado para estimar el
parámetro correspondiente de la población.
Evento. Suceso subconjunto del espacio muestral.
146
Experimento determinístico. Aquel en que independientemente de las
condiciones naturales mediante las cuales se efectúa el experimento, los
resultados siempre serán los mismos.
Experimento no determinístico. Aquel en el que las condiciones materiales
bajo las cuales se efectúa el experimento, determinan la probabilidad de
ocurrencia de los resultados.
Experimento. Proceso mediante el cual se obtienen resultados con la
propiedad de la repetibilidad.
Hipótesis. Afirmación acerca de los parámetros poblacionales.
Media aritmética. Suma de los valores de ciertos números de cantidades
dividido entre el número total de elementos.
Media armónica. Recíproco de la media aritmética de los recíprocos de los
números de la serie.
Media geométrica. Raíz de n del producto de n términos; se utiliza para
calcular tasas de crecimiento.
Mediana. Valor intermedio que divide un conjunto de datos previamente
ordenados de menor a mayor.
Moda. Valor que más se repite en un conjunto de datos.
Muestra aleatoria simple. Caso en el que cada una de las muestras
pertenecientes a la población tiene exactamente la misma probabilidad de ser
seleccionada.
Muestra probabilística. Caso en el que cada uno de los elementos o miembros
de una población tiene exactamente la misma probabilidad de pertenecer a la
muestra.
Muestreo con reemplazo. Caso en el que cada miembro de la población está
disponible para la extracción.
Muestreo sin reemplazo. Caso en el que cada miembro de la población está
disponible sólo para una extracción.
Mutuamente excluyente. Implica la ocurrencia de un evento u otro, no dos a la
vez.
147
Permutación. Arreglo ordenado de artículos, en el cual interesa el orden de los
objetos sin repetición.
Probabilidad clásica. Probabilidad a priori, se calcula antes del evento.
Probabilidad condicional. Medida en que ocurre un evento en particular, dado
que otro ya ha ocurrido o es seguro que ocurra.
Probabilidad frecuencial. Probabilidad a posteriori porque es modificada con
base en información nueva.
Probabilidad subjetiva. Probabilidad de asignación basada en conjeturas y
experiencia; puede ocurrir una vez y a lo máximo unas cuantas veces más.
Probabilidad. Asignación de un número entre cero y uno a cada resultado
experimental que permite medir la certidumbre o incertidumbre.
Teorema. Afirmación que puede ser demostrada dentro de un sistema formal.
Variable. Objeto matemático que puede tomar diferentes valores, generalmente
asociado con propiedades o características de las unidades de la muestra.
Variable aleatoria. Variable cuyo resultado depende de la muestra de una
distribución de probabilidad.
Variables aleatorias continuas. Variables que permiten una infinidad de
valores al azar dentro de un intervalo, considerándose continuas precisamente
por la posibilidad de poder tomar cualquier valor dentro de una infinidad de
valores.
Variables aleatorias discretas. Variables cuya naturaleza toma un número
finito de valores enteros.
Varianza. Valores de observaciones muy cercanos a la media que se calcula
para conocer la dispersión de los datos.
148
BIBLIOGRAFÍA
Webster, Allen L., Estadística aplicada a los negocios y la economía, México,
McGraw-Hill, 2002.
Canavos, George, Probabilidad y estadística, México, McGraw-Hill, 1992.
Cuadras, Carles M., Problemas de probabilidades y estadística I y II, España,
PPU, 1999.
Díaz, Godino, Azar y probabilidad, España, Síntesis, 1991.
Elorza, Haroldo, Estadística para las ciencias sociales y del comportamiento,
México, Oxford University Press, 1999.
Engel,
Arthur,
Probabilidad
y
estadística,
España,
Consorci
d'Editors
Valencians, 1988.
Freud, John y Gary A. Simon, Estadística elemental, México, Prentice-Hall,
2003.
Fuenlabrada, Samuel, Probabilidad y estadística, México, McGraw-Hill, 2000.
Leonard J., Kazmier, Estadística aplicada a la administración y la economía,
México McGraw-Hill, 1998.
Martín Pliego, Francisco Javier, Introducción a la estadística económica y
empresarial, España, Editorial AC, 1994.
MendenHall, William, Richard Scheaffer y Dennis Wackely, Estadística
matemática con aplicaciones, México, Grupo Editorial Iberoamericana, 1986.
149
Peña, Daniel y Juan Romo, Introducción a la estadística para las ciencias
sociales, España, McGraw-Hill, 1997.
Quesada, Isidoro, Curso y ejercicios de estadística, España, Alhambra, 1989.
Stevenson, William J., Estadística para administración y economía, México,
Harla, 1993.
Spiegel, Murray R., Estadística, México, McGraw-Hill, 1970.
Ritchey, Ferris J., Estadística para las ciencias sociales, México, McGraw-Hill,
2002.
150